合规配资平台美国华裔科学家李飞飞：若夺下诺贝尔奖，我定以中国人身份领奖

2025年11月，伦敦圣詹姆斯宫，英国国王查尔斯三世亲手把一个奖杯交给了七位科学家。这个奖被称为"工程界的诺贝尔奖"，奖金高达一百万英镑。七个人里合规配资平台，只有一个女性，也只有一个出生在中国的人——同一个人，李飞飞。

领完奖没多久，她说出了那句让网络炸开锅的话：如果有朝一日拿到诺贝尔奖，她一定要以中国人的身份去领奖。

一、这句话，比听起来重得多

诺贝尔奖有个规矩，获奖时登记的是哪国护照，官方记录就是哪国人。李飞飞现在拿的是美国护照，丈夫是斯坦福的意大利裔教授，两个孩子都生在美国，整个职业生涯也扎根硅谷。换句话说，如果明天颁奖，典礼手册上写的大概率是"美国科学家"。

想真正以中国人身份领奖，现实里只有一条路——放弃美国国籍，因为中国不承认双重国籍。这是条几乎没有人愿意走的路。

所以这句话的分量，不在于她说没说，而在于她在明知这条路有多窄的情况下，还是选择说出来。

网上的反应也是两极分化。批评的人说，护照、住所、家庭全在美国，说这话不过是蹭情怀。支持的人说，一个在美国学术界已经站到顶端的人，在中美关系最敏感的时候讲这句话，需要相当的勇气。

两种说法都不是无中生有，但要真正理解这句话，得先搞清楚她是谁，以及这个人是怎么走到领奖台上的。

她拿回来的那个奖，和七个人一起分的，名单里有黄仁勋，有被称为"深度学习教父"的辛顿，有卷积神经网络的发明者杨立昆。华人历史上拿诺贝尔奖的，前前后后统共十几个人，能以中华人民共和国国籍领奖的，只有屠呦呦一个人，还是2015年的事。

所以李飞飞说的那句话，背后悬着的是多重现实：诺奖规则的硬约束、国籍法的现实壁垒、以及华裔科学家在顶级荣誉舞台上长达几十年的身份困境。

她不是说了一句漂亮话，她是往一个结构性的难题里扔了一块石头。

二、从后厨到伦敦，她靠什么走过来的

很多人知道李飞飞是"AI教母"，知道她建了一个叫ImageNet的数据库，知道她在斯坦福教书。但她真正的故事，从一座美国小镇的中餐馆后厨开始。

1992年，十六岁的她跟着母亲飞去美国，在新泽西一个叫帕西帕尼的小镇和父亲团聚。父亲在中国是工程师，到了美国，只能在一家华人店铺里修相机。母亲原来教书，到了美国，站在杂货店收银台后面。

她进了当地高中，第一天上课，老师说什么她一个字也没听懂。

为了学英语，她每天只睡四个小时。词典随身带，翻得封面都卷了边。不上课的时候，她去中餐馆打工，从上午十一点站到晚上十一点，整整十二个小时，时薪两块钱。老板嫌她边刷盘子边看书，不让带。她就把单词纸条塞进菜单的缝里，趁老板一转身，偷眼瞄两秒。

餐馆经理有一次当面说，想象力对你们这样的人是多余的。

这句话她记了很多年。

高中毕业的时候，她数学考了满分，同时拿到了麻省理工和普林斯顿的录取通知书，最后选了普林斯顿的全额奖学金，读物理系。小镇上的华人社区都沸腾了，当地报纸做了专题报道。

大学毕业，高盛、麦肯锡一类的公司递来offer，年薪能让全家一步跨入中产。她全拒了，跑去西藏研究藏药待了一年。所有人都说她疯了，只有父母没说什么——他们自己就是那种为了追一个不确定的东西放弃稳定的人。

读博期间，母亲先是查出癌症，后来又中风。她白天在病房陪着，夜里回实验室写代码。困了就趴在病床边眯一会儿。

就是在这段时间里，她开始做一件在学界几乎无人看好的事——把网上的图片一张一张地标注，分类，攒成一个巨型数据库。有人劝她别做，说这种枯燥的数据收集工作根本拿不到终身教职，是在糟蹋自己的学术生涯。

她没有听。

2012年，她攒的那个数据库改变了整个AI行业的走向。那一年，一个叫AlexNet的深度学习模型参加她组织的图像识别竞赛，以碾压性的优势赢了——识别错误率比第二名低了将近11个百分点。这一刀切得太干净，直接让全球AI研究的方向在那一年猛拐了个弯。

今天所有手机里的人脸识别，医院里的影像诊断，自动驾驶的视觉系统，底层逻辑都建在她当年那个被人劝退的数据库上。

三、她还在往前走

领完奖之后的李飞飞，并没有打算坐下来收藏荣誉。

2024年，她创立了一家叫World Labs的公司，押的是一个当时还没几个人说得清楚的方向——让AI真正理解三维空间，而不只是处理文字和图片。种子轮融资拿了两亿多美元，一年多后估值已经翻了好几倍。

与此同时，她团队里有学生用不到一百块钱的云计算费用，训练出了一个在数学推理上能跟顶级模型掰手腕的AI。跟动辄几亿美元的训练成本放在一起，这件事本身就是一种挑衅——挑衅的是"只有大公司才能做AI"的那个逻辑。

但她最在乎的事，大概还不是这些。

博士期间，母亲在病床上问过她一句话：AI还能帮别人做什么？这个问题跟了她将近二十年。后来她和团队花了整整八年，研究怎么用非接触式传感器监测病人状况——不装摄像头，不侵犯隐私，只是悄悄地多一双眼睛，帮医护人员少犯一些本可以避免的错误。这项研究最终发表在《自然》杂志上。

她还在斯坦福创办了一个叫AI4ALL的教育项目，最初的想法来自她发现自己的数据库里存在种族偏见——深色皮肤人群的识别准确率系统性地偏低。她发现女生在学AI的时候，问的问题是"这东西能不能让我奶奶活得更有尊严"，而不是"这个模型的参数怎么调"。这个发现让她觉得，AI这个行业如果只由一类人来定义，迟早要出问题。

在国会作证的时候，她说了这样的意思：技术如果不服务于人的尊严，如果不尊重多样性，如果不保护最脆弱的那些人，那它就是在走错路。